Validation and Comparison of Six Risk Scores for Infection in Patients With ST-Segment Elevation Myocardial Infarction Undergoing Percutaneous Coronary Intervention
Notice bibliographique
Résumé
Aims: Very few of the risk scores to predict infection in ST-segment elevation myocardial infarction (STEMI) patients undergoing percutaneous coronary intervention (PCI) have been validated, and reports on their differences. We aimed to validate and compare the discriminatory value of different risk scores for infection. Methods: A total of 2,260 eligible patients with STEMI undergoing PCI from January 2010 to May 2018 were enrolled. Six risk scores were investigated: age, serum creatinine, or glomerular filtration rate, and ejection fraction (ACEF or AGEF) score; Canada Acute Coronary Syndrome (CACS) risk score; CHADS 2 score; Global Registry for Acute Coronary Events (GRACE) score; and Mehran score conceived for contrast induced nephropathy. The primary endpoint was infection during hospitalization. Results: Except CHADS 2 score (AUC, 0.682; 95%CI, 0.652–0.712), the other risk scores showed good discrimination for predicting infection. All risk scores but CACS risk score (calibration slope, 0.77; 95%CI, 0.18–1.35) showed best calibration for infection. The risks scores also showed good discrimination for in-hospital major adverse clinical events (MACE) (AUC range, 0.700–0.786), except for CHADS 2 score. All six risk scores showed best calibration for in-hospital MACE. Subgroup analysis demonstrated similar results. Conclusions: The ACEF, AGEF, CACS, GRACE, and Mehran scores showed a good discrimination and calibration for predicting infection and MACE.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».